Résumé
Cette recherche s’intéresse à l’induction hypnotique (IH), c.-à.-d. la procédure au cours de laquelle un professionnel de la santé suggère à un sujet d'expérimenter des changements dans ses sensations, ses perceptions, ses pensées ou son comportement. Notre hypothèse est que les thérapeutes adoptent des caractéristiques paralinguistiques spécifiques lors de l’IH, visant à favoriser l’état d’hypnose. Pour tester cette hypothèse, nous utilisons un corpus audio de 32 thérapeutes pratiquant l’hypnose dans le cadre médical ou psychothérapeutique. Chaque locuteur a été enregistré lors deux tâches de production orale (lecture d’un texte ; langage spontané) dans deux conditions (IH ; contrôle). Des analyses acoustiques avec Praat ont permis de mettre en évidence des corrélats acoustiques de l’IH tels qu’une dynamique tonale moins élevée qu’en condition contrôle ; une diminution de l’intensité vocale, des variations d’intensité et du voisement (laissant supposer une voix plus chuchotée qu’en condition contrôle) ; un ralentissement du débit de parole ; des pauses silencieuses plus longues ; un premier formant plus élevé. Des analyses complémentaires basées sur des modèles des réseaux de neurones visent à classifier les enregistrements de la base de données en 2 catégories : IH vs contrôle. Ces modèles prennent en entrée des extraits de 12 sec de la base de données, transformés selon deux méthodes : spectrogramme de MEL et caractéristiques acoustiques issues d’OpenSmile. Plus performants que les modèles basés sur les caractéristiques acoustiques d’OpenSmile, les modèles basés sur les spectrogrammes atteignent une précision allant jusqu'à 100% de classification correcte pour les tâches de lecture seules et 93,5% pour les tâches de lecture et de langage spontané confondues. En termes d’applications, ces modèles pourraient être utilisés pour évaluer la qualité des productions orales des hypnothérapeutes ou encore pour développer des modèles générant des voix de synthèse favorisant l’IH.